You are on page 1of 13

Otimização Paramétrica e de Forma de Treliças Espaciais Modeladas

com Curvas de Bézier


Waldy J. Torres Z1, Mario P. Rivero G2 e Anderson Pereira3
1
PUC Rio de Janeiro / Depto. de Engenharia Mecânica / wtorres19@aluno.puc-rio.br
2
KORDOUT Rio de Janeiro / Depto. de Engenharia / m.rivero@kordout.com
3
PUC Rio de Janeiro / Depto. de Engenharia Mecânica / anderson@puc-rio.br

Resumo

O projeto de uma estrutura não implica somente o cumprimento dos requisitos de


segurança, resistência, funcionalidade, custo total de construção e de operação da
estrutura, como também a sua capacidade de atingir todos os objetivos definidos.
Tradicionalmente, o desenvolvimento de um projeto estrutural baseia-se no
conhecimento científico, o conhecimento empírico e na experiência da equipe de
engenharia. O objetivo deste trabalho é apresentar uma metodologia computacional capaz
de encontrar a forma ótima de treliças espaciais, por meio da implementação numérica da
otimização de forma e o uso de curvas paramétricas. As restrições de tensão de
escoamento e tensão crítica de Euler devem ser satisfeitas para considerar que a forma
determinada seja considerada ótima. Um exemplo de estrutura reticulada de grande porte
é apresentado a fim de validar a performance e a aplicabilidade da metodologia
implementada.

Palavras-chave

Otimização estrutural; Treliças espaciais; Otimização de forma; Curvas Paramétricas.

Introdução

As estruturas espaciais têm sido uma área ativa de pesquisa desde o início da década
de 60[1]. A forma e o comportamento das estruturas espaciais tornam este tipo de
estrutura atraente na arte da construção de fachadas, coberturas, auditórios, cenários
esportivos e aeroportos, permitindo o desenvolvimento de projetos arquitetônicos
diferenciados. Exemplos deste tipo de estruturas são apresentados na Figura 1.

Figura 1. Exemplos de Estruturas Espaciais Treliçadas. (a) Aeroporto


Internacional Salgado Filho - Porto Alegre – RS [2]. (b) Centro de Convenções de
Anhembi - São Paulo – SP [3].
O termo “otimização” é frequentemente utilizado na área de projeto para considerar
que um modelo projetado cumpre com os requisitos estabelecidos, na maioria das vezes,
os projetistas desconhecem quais outras configurações ou arranjos do projeto possibilitam
soluções alternativas e eficientes para determinado problema. Segundo Arora [4],
“otimização” consiste em se formular o problema de engenharia como um problema de
otimização, onde uma medida de desempenho é maximizada ou minimizada, satisfazendo
os requisitos de projeto. A Figura 2 apresenta um diagrama de fluxo com a comparação
entre a metodologia implementada tradicionalmente na área de projeto e a metodologia
considerando o mesmo problema como um problema de otimização.

Formular o problema,
como um problema de 0
Otimização
Coletar dados para
1
descrever o sistema Coletar dados para 1
descrever o sistema
2 Projeto inicial
Projeto inicial 2
3 Analisar o Sistema
3
Analisar o Sistema
4 Verificar os critérios de
Desempenho Verificar as Restrições 4

sim sim
O sistema projetado é O projeto satisfaz os
5 OK! 5
viável? critérios de convergência

Atualizar o projeto Atualizar o projeto


6 utilizando conceitos de 6
baseado na experiência
Otimização

Figura 2. Comparação das Metodologias na Área de Projeto. (a) Metodologia


Convencional de Projeto [4]. (b) Metodologia de Otimização de Projeto [4].

O presente trabalho propõe uma metodologia computacional que permita a


determinação de formas eficientes em treliças espaciais com base nos conceitos de
programação matemática e parametrização de curvas de Bezier. Para finalizar, apresenta-
se um modelo de estrutura paramétrica otimizada.
Definição da Curva Paramétrica

O uso de curvas paramétricas é importante em diversas áreas, pois permitem modelar


e visualizar os fenômenos físicos e científicos. Sua principal vantagem consolida-se na
possibilidade de construir algoritmos eficientes e numericamente robustos [5].

Figura 3 – Curva de Bezier.

Na Figura 3, observa-se a parametrização da curva de Bézier que passa pelos pontos


de controles extremos 𝑃1 e 𝑃4 , a determinação da forma é dada pelos pontos de controles
intermediários 𝑃2 e 𝑃3 , podendo ser gerada por um polinômio de grau 𝑛. Comumente, são
usadas curvas de Bézier quadráticas ou cúbicas, já que polinômios de graus maiores são
computacionalmente mais custosos de calcular. Uma curva cúbica de Bézier pode ser
definida matricialmente da seguinte forma:

𝑃1𝑥 𝑃1𝑦
2 −2 1 1
−3 3 −2 −1 𝑃2𝑥 𝑃2𝑦
𝑄(𝑡) = [1 𝑡 𝑡2 𝑡3] [ ] (1)
0 0 1 0 𝑃3𝑥 𝑃3𝑦
1 0 0 0 [𝑃4 𝑃4𝑦 ]
𝑥

Onde para gerar 𝑛 pontos entre o ponto de controle inicial 𝑃1 e o ponto de controle
final 𝑃4 , é necessário dividir o espaço paramétrico 𝑡 em 𝑛 − 1 intervalos de pontos
compreendidos 0 ≤ 𝑡 ≤ 1. Na equação (1), 𝑄(𝑡) representa as coordenadas cartesianas
dos pontos interpolados no espaço paramétrico 𝑡 [6].

Modelagem da Estrutura Paramétrica

Antes de iniciar o processo de otimização é necessário preparar a geometria a ser


analisada. As coordenadas em 𝑥 e 𝑦 dos quatro pontos de controles são definidas e com
o uso da equação (1), determinam-se as novas coordenadas 𝑎𝑖 interpoladas no espaço
paramétrico como é exibido na Figura 4. As posições nodais do banzo inferior e banzo
superior são obtidos por meio das seguintes equações:
𝑎𝑖 + 𝑎𝑖+1
𝑝𝑖 = (2)
2
𝑑𝑎𝑖⁄
𝑝𝑖+1 = 𝑎𝑖 + 𝑑𝑡 ℎ
(3)
𝑑𝑎𝑖⁄
‖ 𝑑𝑡‖
𝑑𝑎
Sendo que ‖ 𝑖⁄𝑑𝑡‖ é a norma do vetor tangente no ponto 𝑎𝑖 e ℎ é a altura entre o
banzo inferior e superior.

O número total de nós e elementos na estrutura podem ser determinados como é


indicado nas equações (4) e (5):

𝑁𝑛𝑜𝑑𝑒 = 2(𝑛 + 1) + 1 (4)

𝑁𝐸𝑙 = 4(𝑛 + 1) − 1 (5)

Onde 𝑛 é o número de divisões do espaço paramétrico.

Na etapa final, para obter a forma da estrutura é necessário estabelecer a


conectividade entre os nós como se ilustra na Figura 4.

Figura 4 – Estrutura Paramétrica.

Formulação do Problema de Otimização

A solução de um problema de otimização é determinada através dos fundamentos da


programação matemática, área que trata dos problemas de minimização ou maximização
de funções, ocupando-se do tratamento teórico e desenvolvimento de algoritmos para a
sua solução. Um problema de programação matemática pode ser escrito como [7]:
min 𝑓(𝒙) 𝒙∈ Rn

ℎ𝑘 (𝒙) = 0 𝑘 = 1…𝑚 (6)


𝑠. 𝑡. 𝑔𝑙 (𝒙) ≤ 0 𝑙 = 1…𝑝
𝑥𝑖𝑙𝑏 ≤ 𝑥𝑖 ≤ 𝑥𝑖𝑢𝑏 𝑖 = 1…𝑛
Onde 𝑓(𝒙) é a função objetivo a ser minimizada, ℎ𝑘 (𝒙) e 𝑔𝑙 (𝒙) são as restrições de
igualdade e desigualdade, respectivamente. Por outro lado, as restrições laterais 𝑥𝑖𝑙𝑏 e 𝑥𝑖𝑢𝑏
que definem a região de possível solução do problema de otimização estão compreendidas
no intervalo mínimo e máximo das variáveis de projeto 𝑥𝑖 .

Neste trabalho a função objetivo é representada como a massa total da estrutura:


𝑁𝐸𝑙

𝑓(𝒙) = 𝑚 𝑇 = ∑ 𝜌𝑖 𝐴𝑖 𝐿𝑖 (7)
𝑖=1

Onde 𝑁𝐸𝑙 é o número total de barras, 𝜌𝑖 é a densidade do material, 𝐴𝑖 e 𝐿𝑖 são áreas


das seções transversais e comprimentos de cada elemento de barra respectivamente.

As quantidades numéricas que possibilitam a mudança de parâmetros em um


problema de otimização são chamadas de variáveis de projeto, que podem ser: pontos de
controle da curva de Bézier; coordenadas nodais; módulo de elasticidade e seções
transversais de cada membro da estrutura.

Neste trabalho foram consideradas 8 variáveis de projeto, sendo que 7 variáveis de


projeto são independentes e 1 variável de projeto dependente. Estabelecidas da seguinte
forma:
𝑦 𝑦 𝑦
𝒙 = {𝐴𝑏𝑖𝑛𝑓 , 𝐴𝑏𝑠𝑢𝑝 , 𝐴𝑑𝑖𝑎𝑔 , 𝑃2𝑥 , 𝑃2 , 𝑃3𝑥 , 𝑃3 , 𝑃4 } (8)

Nos quais, os grupos 𝐴𝑏𝑖𝑛𝑓 , 𝐴𝑏𝑠𝑢𝑝 e 𝐴𝑑𝑖𝑎𝑔 são variáveis que armazenam as seções
transversais do banzo inferior, banzo superior e diagonais dos membros estruturais, como
demostrado na Figura 5.

Figura 5 – Grupos de Áreas.


𝑦
E as variáveis de projeto 𝑃2𝑥 até 𝑃4 da equação (8), são definidas como a variação
𝑦 𝑦
dos pontos de controle nas direções 𝑥 𝑒 𝑦. Sendo que os pontos de controle 𝑃3 e 𝑃4 tem
alturas iguais.
𝑦 𝑦 𝑦 𝑦
𝑃3 = 𝑃4 = 𝑃3 − 𝑃4 = 0 (9)
As restrições de desigualdade são definidas de maneira normalizada como:

|𝜎𝑖 (𝒙)|
𝑔𝑙 (𝒙) = −1 ≤0 (10)
𝜎𝑖𝑎 (𝒙)
Onde 𝜎𝑖 é a tensão axial do elemento 𝑖 e 𝜎𝑖𝑎 é a tensão admissível. Para 𝜎𝑖 > 0, elementos
tracionados, 𝜎𝑖𝑎 = 𝜎𝑖𝑇 , onde 𝜎𝑖𝑇 é a tensão admissível à tração. Para elementos
comprimidos, 𝜎𝑖 < 0, 𝜎𝑖𝑎 (𝒙) = min[𝜎𝑖𝑐 , 𝜎𝑖𝑐𝑟 (𝒙)], onde 𝜎𝑖𝑐 é a tensão admissível à
compressão e 𝜎𝑖𝑐𝑟 é a tensão crítica de Euler, dada pela seguinte expressão:
𝜋 2 𝐸𝑖 𝐼
𝜎𝑖𝑐𝑟 (𝒙) = (11)
𝐴𝑖 𝑙𝑖2
Sendo 𝐸𝑖 o módulo de elasticidade do material, 𝑙𝑖 o comprimento de cada barra.

Neste trabalho são usadas barras tubulares circulares de alumínio onde para um raio
médio 𝑅𝑚 e espessura 𝑡𝑠 pode-se escrever a área e a inércia como segue:
𝐴𝑖 = 2𝜋𝑡𝑠 𝑅𝑚 (12)

𝜋𝑅𝑚 𝑡𝑠 2
𝐼= (4𝑅𝑚 + 𝑡𝑠2 ) (13)
4
Algoritmo de Otimização

Algoritmos de otimização para problemas de programação linear tem solução em um


número finito de passos. Neste trabalho utilizou-se a função fmincon do Matlab® que
auxilia na busca do mínimo da função objetivo sujeita a restrições como é descrito na
formulação do problema de otimização. O uso da função fmincon emprega
sequencialmente, o algoritmo de Pontos Interiores (PI), que pertencente à classe dos
métodos gradientes [8], requerendo que seja especificado os gradientes analíticos da
função objetivo e das restrições em relação às variáveis de projeto para determinar a
direção de busca do processo de otimização.

De forma geral, a derivada da função objetivo e das restrições são obtidas a partir do
gradiente da resposta da estrutura quando esta encontra-se submetida a carregamentos
estáticos.

Análises de Sensibilidade

Análises da sensibilidade, também chamada de gradientes das respostas da estrutura,


tem como objetivo verificar o comportamento da função objetivo e das restrições quando
se aplica uma pequena perturbação em uma determinada variável de projeto,
consequentemente se determina sua influência no problema de otimização.

A sensibilidade da função objetivo 𝑓(𝒙) e das restrições 𝑔𝑙 (𝒙), podem ser


determinadas por meio da diferenciação das equações (7) e (10) em relação as variáveis
de projeto 𝒙𝑖 , obtém-se:

𝜕𝑓(𝒙) 𝜕𝐴𝑖 𝜕𝐿𝑖


= 𝜌𝑖 ( 𝐿𝑖 + 𝐴) (14)
𝜕𝑥𝑖 𝜕𝑥𝑖 𝜕𝑥𝑖 𝑖

𝜕𝑔𝑙 (𝒙) sign[𝜎𝑖 (𝒙)] 𝜕𝜎𝑖 (𝒙) sign[𝜎𝑖 (𝒙)]𝜎𝑖 (𝒙) 𝜕𝜎𝑖𝑎 (𝒙)
= − (15)
𝜕𝑥𝑖 𝜎𝑖𝑎 (𝒙) 𝜕𝑥𝑖 [𝜎𝑖𝑎 (𝒙)]2 𝜕𝑥𝑖

No entanto a derivada da tensão axial para cara elemento de barra é definida como:

𝜕𝜎𝑖 (𝒙) 𝜕𝜎𝑖 (𝒙) 𝜕𝐵𝑖 𝜕𝜎𝑖 (𝒙) 𝜕𝑢𝑖 𝜕𝐵𝑖 𝜕𝑢𝑖
= + = 𝐸𝑖 𝑢𝑖 +𝐸𝑖 𝐵𝑖 (16)
𝜕𝑥𝑖 𝜕𝐵𝑖 𝜕𝑥𝑖 𝜕𝑢𝑖 𝜕𝑥𝑖 𝜕𝑥𝑖 𝜕𝑥𝑖

Sendo 𝑢𝑖 o deslocamento da estrutura determinada na etapa de análises de elementos


𝜕𝑢
finitos e 𝜕𝑥𝑖 representa a sensibilidade dos deslocamentos em função das variáveis de
𝑖
projeto 𝒙𝒊 .

Entretanto derivando-se a equação (11) em relação as variáveis de projeto 𝑥𝑖 , pode-


se obter a sensibilidade da tensão crítica de Euler como:

𝜎𝑖𝑐𝑟 (𝒙) 𝜎𝑖𝑐𝑟 (𝒙) 𝜕𝐼 𝜎𝑖𝑐𝑟 (𝒙) 𝜕𝐴𝑖 𝜎𝑖𝑐𝑟 (𝒙) 𝜕𝐿𝑖
= − − (17)
𝜕𝑥𝑖 𝜕𝐼𝑖 𝜕𝑥𝑖 𝜕𝐴𝑖 𝜕𝑥𝑖 𝜕𝐿𝑖 𝜕𝑥𝑖

Ou ainda

𝜎𝑖𝑐𝑟 (𝒙) 𝜋 2 𝐸𝑖 𝜕𝐼 𝜋 2 𝐸𝑖 𝐼 𝜕𝐴𝑖 2𝜋 2 𝐸𝑖 𝐼 𝜕𝐿


= − 22 − (18)
𝜕𝑥𝑖 𝐴𝑖 𝑙𝑖2 𝜕𝑥𝑖 𝐴𝑖 𝑙𝑖 𝜕𝑥𝑖 𝐴𝑖 𝑙𝑖3 𝜕𝑥𝑖
Onde
2
𝜕𝐼 𝜕𝐼 𝜕𝑅𝑚 12𝑅𝑚 + 𝑡𝑠2
= =
𝜕𝑥𝑖 𝜕𝑅𝑚 𝜕𝐴𝑖 8

Fatores de Escala

A variação na grandeza dos parâmetros presente no problema de otimização pode


provocar diferenças significativas entre as suas magnitudes e causar problemas na
estabilidade numérica no algoritmo implementado para solucionar o problema de
otimização. Por tanto as variáveis de projeto 𝑥𝑖 são definidas como a razão entre o valor
corrente da variável de projeto e o correspondente valor inicial, como apresentado na
equação (19).
𝑥𝑖
𝑦𝑖 = 0 (19)
𝑥𝑖

A função objetivo 𝑓(𝒙) e as restrições 𝑔𝑙 (𝒙) ficam definidas em função da variável


de projeto adimensional 𝑦𝑖 , reescritas da forma:
𝑓
𝑓= (21)
𝑓0
𝑔𝑙
𝑔𝑙 = 0 (22)
𝑔𝑙
Onde 𝑓, 𝑔𝑙 , 𝑓0 e 𝑔𝑙0 são os valores correntes e valores correspondentes iniciais
avaliados na função objetivo e restrições respetivamente.

e as restrições laterais como:

𝑥𝑖𝑙𝑏 ≤ 𝑦𝑖 ≤ 𝑥𝑖𝑢𝑏 (23)

De forma similar a sensibilidade da função objetivo e as restrições devem ser


definidas em função da variável de projeto adimensional 𝑦𝑖 .

Exemplo Numérico

Neste trabalho é apresentado um exemplo de otimização de forma de treliças


espaciais modeladas com curvas de Bézier, empregando a metodologia desenvolvida nas
seções anteriores. Será analisada a estrutura de treliça em arco para o armazenamento de
açúcar como mostrado na Figura 6. As dimensões da estrutura são: Altura interna
𝐻 = 18,150 𝑚, vão interno 𝑉 = 35,0 𝑚 e altura da treliça ℎ = 1,50 𝑚.

Figura 6 – Vista Frontal da Configuração Inicial da Estrutura.


A seguir pode-se visualizar na tabela 1, o tipo de material selecionado e as suas
propriedades mecânicas.

Tabela 1 – Propriedade do Material e Seção Transversal do Perfil.


Material Alumínio 6351 – T6
Propriedades Mecânicas Unidades
Fcy 2,55E+08 N⁄m2
E 7,00E+10 N⁄m2
ρ 2647,7956 kg⁄m3

A estrutura encontra-se restrita nas direções 𝑥 e 𝑦, na posição nodal 13 e é imposta


uma condição de simetria entorno do eixo 𝑦, o que implica restringir os nós 12 e 25 na
direção 𝑥.

No estudo apresentado é analisado com um único caso de carga descrito como:

1- Caso de Carga 1:
a- Carregamento distribuído de 3 𝑘𝑁/𝑚 atuando na direção da gravidade,
aplicado nas barras do banzo superior.
b- Carregamento de 50 𝑁 atuando na direção da gravidade, aplicando em todos
os nós da estrutura.
c- Carregamento do peso próprio.

A tabela 2, por sua vez, contém os dados de entrada da configuração inicial da


estrutura:

Tabela 2 – Variáveis de Projeto, 𝒙𝒍𝒃 , 𝒙𝒖𝒃 e Ponto Inicial 𝒙𝟎 .


Variáveis 𝒙𝒍𝒃 𝒙𝒖𝒃 𝒙𝟎 Unidades
𝐴𝑏𝑖𝑛𝑓 2,11E-04 2,20E-03 1,21E-3 𝑚2
𝐴𝑏𝑠𝑢𝑝 2,11E-04 2,20E-03 1,21E-3 𝑚2
𝐴𝑑𝑖𝑎𝑔 2,11E-04 1,80E-03 1,01E-3 𝑚2
𝑃2𝑥 0,00 8,00 4,00 𝑚
𝑦
𝑃2 0,00 12,00 6,00 𝑚
𝑥 𝑚
𝑃3 3,50 16,50 10,00
𝑦
𝑃3 14,00 22,30 18,15 𝑚
𝑦
𝑃4 14,00 22,30 18,15 𝑚

Na Figura 7 pode-se verificar terem sido necessárias trinta análises de elementos


finitos para o algoritmo de otimização convergir até a solução ótima do problema.
Figura 7 – Histórico de Avaliações da Estrutura Paramétrica.
Após ter resolvido o problema de otimização as variáveis de projeto são atualizadas
e uma nova forma na estrutura é projetada. Na Figura 8 se compara a mudança de forma
entre os arranjo inicial e final da estrutura em análises, com altura interna final de
𝐻 = 14,00 𝑚. Como também se observa a distribuição da massa normalizada da
estrutura na configuração inicial e final com uma massa inicial de 𝑚𝑖𝑇 = 608,50 𝑘𝑔 e
massa final de 𝑚𝑓𝑇 = 185.68 𝑘𝑔, obtendo 69.45 % de redução da massa inicial total.

Figura 8 – Distribuição da Massa na Estrutura Inicial e Final.

Figura 9 – Restrição 𝒈𝟏 de Tensão de Escoamento.


Figura 10 – Restrição 𝒈𝟐 Tensão Crítica de Euler.

Nas Figuras 9 e 10 são apresentadas as parcelas das restrições associadas às tensões


de escoamento e às tensões críticas de Euler, respectivamente, onde valores menores do
que zero indicam que a restrição está sendo atendida e valores acima de zero indicam que
as restrições estão sendo violadas. Verifica-se na Figura 9 que nenhuma das barras está
próxima do seu limite de escoamento. No entanto, observa-se na Figura 10, que as barras
5, 13, 23, 25, 37, 38 e as barras do lado direito simétrico estão com restrições próximas
de zero, indicando que as mesmas estão ativas, ou seja, que a barra está com a sua tensão
crítica de Euler no valor máximo permitido, o que podemos afirmar que o projeto está
sendo dominado pela tensão crítica de Euler.

Na tabela 3 é comparada a convergência da solução numérica associada à mudança


do ponto inicial 𝑥𝑖0 , podendo considerar qualquer ponto de partida 𝑥𝑖0 . No entanto, a
resposta numérica do problema de otimização inclina-se a convergir dentro de uma região
confiável e segura com variações nas formas geométricas da estrutura.

Tabela 3 – Analises do Ponto Inicial 𝒙𝟎𝒊 .


𝒇 𝒇 𝒇
Variáveis 𝒙𝟎𝟏 𝒙𝟏 𝒙𝟎𝟐 𝒙𝟐 𝒙𝟎𝟑 𝒙𝟑 Unidades
𝐴𝑏𝑖𝑛𝑓 1,21E-3 9,30E-4 1,21E-3 5,30E-4 1,11E-3 5,30E-4 𝑚2
𝐴𝑏𝑠𝑢𝑝 1,21E-3 9,30E-4 1,21E-3 2,22E-4 1,11E-3 2,22E-4 𝑚2
𝐴𝑑𝑖𝑎𝑔 1,01E-3 7,76E-4 1,01E-3 5,21E-4 1,11E-3 5,21E-4 𝑚2
𝑥 𝑚2
𝑃2 4,00 3,09 4,00 3,06 4,00 3,06
𝑦
𝑃2 6,00 4,63 6,00 4,58 7,00 4,58 𝑚
𝑥 𝑚
𝑃3 10,00 7,71 10,00 9,50 10,50 9,50
𝑦
𝑃3 18,15 14,00 19,50 14,00 17,00 14,00 𝑚
𝑦
𝑃4 18,15 140,0 19,50 14,00 17,00 14,00 𝑚
𝑚𝑖𝑇 /𝑚𝑓𝑇 608,50 185,68 624,32 185,68 572,15 185,69 𝑘𝑔
Tempo 29,7901 22,23 20,92 𝑠
Iterações 49 47 48 𝑁/𝐴
A avaliação dos resultados foi feita mediante a comparação do código de elementos
finitos desenvolvido no Matlab® com o software de Engenharia SAP2000, considerando
para os dois casos estrutura reticulada. A tabela 4 traz a comparação entre as duas
soluções abordadas para os deslocamentos nas direções 𝑥, 𝑦 e 𝑧 das posições nodais 2 e
10, além da comparação das tensões das barras 7 e 41, respetivamente.

Tabela 4 – Validação dos Resultados Código Matlab® com SAP2000.


Nó/Elemento Matlab® SAP2000 Erro Relativo
𝑥 2,86E -04 2,86E -04 0,0
Deslocamento (𝑚)
𝑦 0,0 0,0 0,0
Nó 2
𝑧 -1,7E-3 -1,7E-3 0,0
𝑥 2,1E-3 2,1E-3 0,0
Deslocamento (𝑚)
𝑦 0,0 0,0 0,0
Nó 10
𝑧 -2,05E-2 -2,05E-2 0,0
𝑁
Tensão (Barra 7) ( ⁄𝑚2 ) -4.4221E+07 -4.4221E+07 0,0
Tensão (Barra 41) (𝑁⁄𝑚2 ) -4.03431E+07 -4.03431E+07 0,0

A solução numérica apresentada na tabela 4 revelou-se satisfatórias, sem apresentar


divergências nos deslocamentos e tensões, portanto, demostrou-se que a veracidade dos
resultados obtidos no código implementado no Matlab® é equivalente aos resultados
fornecidos pelo software SAP2000 usado para validar as análises de elementos finitos.

Conclusões

Neste trabalho foi desenvolvido uma metodologia computacional para a otimização


paramétrica e de forma de treliças espaciais modeladas com curvas de Bézier, com o
intento de determinar a configuração ótima da estrutura. Para este desenvolvimento foram
necessárias à implementação e a integração de programação matemática, análise
estrutural e análise de sensibilidade. Obtendo a resposta da estrutural pela solução de um
problema estático linear, através de uma implementação em Matlab®, e validadas usando
o programa SAP2000. As variáveis de projeto consideradas foram as áreas das seções
transversais e as coordenadas dos pontos de controle da geometria paramétrica. O
problema de otimização encontra-se restrito pela tensão de escoamento 𝜎𝑖 (𝒙), tensão
crítica de Euler 𝜎𝑖𝑐𝑟 (𝒙) e pelas restrições laterais 𝑥𝑖𝑙𝑏 e 𝑥𝑖𝑢𝑏 .

Com base no exemplo numérico analisado neste trabalho, verificou-se a viabilidade


e aplicabilidade da otimização paramétrica e de forma em estruturas treliçadas de grandes
dimensões devido a convergência da função objetivo para o ponto de mínimo. Não
obstante se uma solução ótima não seja obtida, o projeto final é considerado viável,
devido ao algoritmo de pontos interiores que parte de uma solução viável. Um incremento
no número de grupos de área pode ser considerado para induzir em uma resposta
monotónica para o ponto de mínimo. Pode-se perceber na Figura 8 um projeto aprimorado
em relação ao projeto inicial, conseguindo reduzir um 69.45 % da massa inicial,
Referências

[1] BEHEAD, S. A.; PARKER, G. A. R. Half a Century with the Space Structures Research
Centre of the University of Surrey. IASS – SLTE, 2014.

[2] Imagem do Aeroporto Internacional Salgado Filho - Porto Alegre, Disponível em:
<http://www.copa2014.gov.br/pt-br/dinamic/galeria_imagem/14774>, Acesso em: 08 de
março de 2018.

[3] Imagem do Centro de Convenções de Anhembi - São Paulo


<http://www.anhembi.com.br/pavilhao-de-exposicoes-anhembi-recebe-30a-feira-
internacional-de-mecanica/>, Acesso em: 08 de março de 2018.

[4] ARORA, J. S. Introduction to Optimum Design. 4 ed. Elsevier, 2016.

[5] PALUSZNY, M.; PRAUTZSCH, H.; BOEHM, W. Bézier and B-splines techniques. 1 ed.
Karlsuhe, 2002.

[6] ZOZ J. Estudo de Métodos e Algoritmos de Splines Bézier, Casteljau e B-Spline. 1999
Blumenau, Universidade Regional de Blumenau.

[7] VAZ, L. E.; Pereira, A.; MENEZES, I. F. M. Programação Matemática: Teoria, Algoritmos e
Aplicações na Engenharia. Rio de Janeiro, PUC-Rio, 2012.

[8] HERSKOVITS, J. Advances in Structural Optimization, Kluver Academic Publishers, 1995.

[9] LEE, J. S. A Form-finding Technique for Three-dimensional Spatial Structures. Architectural


Institute of Korea, 2013.

[10] VANDERPLAATS, G. N. Numerical Optimization Techniques for Engineering Design with


Applications. 1 ed. McGraw-Hill, 1984.

[11] FOX, R. L. Optimization Methods for Engineering Design, 1ed. Addison-Wesley Publishing
Company, Inc., 1971.

[12] HANSEN, S. R.; VANDERPLAATS, G. N. Approximation Method for Configuration


Optimization of Trusses. AIAA SDM, 1988.